블랙포레스트랩스, 로봇 제어용 AI 모델 공개했다

블랙 포레스트 랩스(Black Forest Labs)가 멀티모달 AI 모델 플럭스 3(FLUX 3)에서 파생한 로봇 제어용 세계 행동 모델 플럭스 3 액션(FLUX 3 Action)을 공개했다.

세계 행동 모델(WAM)은 동영상 생성 모델로 어떤 행동을 했을 때 현실 세계가 어떻게 바뀌는지 미래를 예측한다. 이어 역동역학 모델(IDM)이 목표 결과를 향한 동작을 만들어 낸다. 일반적인 로봇은 카메라로 주변 상황을 파악하며 단계적으로 대응한다. 반면 WAM은 동작하기 전에 미래를 시뮬레이션할 수 있어 시행착오 비용을 줄일 수 있다.

◇ 로보랩-120 성공률 42.92%로 1위=로봇 동작 제어 벤치마크 로보랩-120(Robolab-120)에서는 그동안 비공개 모델 오아시스 WAM(OASIS WAM)이 성공률 39.0%로 1위였다. 엔비디아(NVIDIA)가 2026년 6월 공개한 코스모스 3(Cosmos 3) 제품군의 코스모스3-나노(Cosmos3-Nano)가 성공률 36.8%로 2위였다.

플럭스 3 액션은 로보랩-120에서 성공률 42.92%를 기록해 두 모델을 앞질렀다. 파라미터는 70억 개로 코스모스3-나노의 120억 개보다 작은 규모로 더 높은 점수를 냈다. 속도도 코스모스3-나노보다 최대 3.95배 빠르다.

블랙 포레스트 랩스는 10분당 100달러 기준으로 추론 부하 3단계에서 기대 성공 횟수를 비교했다. 비교 대상은 오픈AI(OpenAI) 아스트라(Astra) 단독과 로봇 제어 모델 π0.5와 아스트라 조합, 플럭스 3 액션과 아스트라 조합이다. 모든 부하 단계에서 플럭스 3 액션과 아스트라 조합이 가장 높은 성능을 냈다.

Introducing FLUX 3 Action.

An open weights 7B World Action Model that achieves first place on the RoboLab benchmark.

It outperforms the previous best open model by 6.1 percentage points while using 56% fewer parameters and running up to 3.95x faster.⁠⁠

FLUX 3 Action removes the usual trade-off between world action model performance and VLA speed: it still predicts video and actions together, but plans more than twice as far ahead and runs faster per second of robot motion than the strongest open VLA.

Teams can fine-tune FLUX 3 Action on their own demonstrations to create policies for a particular robot and task. Together with @nvidia, we also integrated FLUX 3 Action natively into @huggingface’s LeRobot, with fine-tuning recipes included and edge deployment on NVIDIA Jetson.

Beyond robotics, we’re also seeing promising results training task-specific policies for acting in simulated environments like gaming, controlling a vehicle, computer use, and wherever else a model needs to understand a visual environment and then choose what to do next.

FLUX 3 Action builds on the same image, video, and audio pretraining as FLUX 3, but uses a smaller architecture designed for practical deployment. In midtraining, we trained the model to predict actions and future frames together.

We’re releasing the weights, code, fine-tuning recipe, benchmarks, and reproducible examples so researchers and developers can build on the model with their own robots, environments, and tasks (see below).

— Black Forest Labs (@bfl_ai) September 23, 2026

플럭스 3 액션은 자체 시연 데이터로 특정 로봇이나 작업에 맞는 정책을 만들 수 있다. 블랙 포레스트 랩스는 엔비디아와 함께 허깅페이스(Hugging Face) 오픈소스 로봇 플랫폼 르로봇(LeRobot)에 플럭스 3 액션을 기본 통합했다. 미세조정용 레시피와 엔비디아 젯슨(NVIDIA Jetson) 기반 엣지 배포 기능도 넣었다.

블랙 포레스트 랩스는 플럭스 3 액션이 로봇공학 밖에서도 가능성을 보였다고 밝혔다. 게임과 차량 제어, 컴퓨터 조작처럼 모델이 시각 환경을 이해하고 다음 행동을 골라야 하는 시뮬레이션 환경에서 작업 특화 정책을 학습시켜 유망한 결과를 얻었다는 설명이다. 관련 내용은 이곳에서 확인할 수 있다.